基于机载激光雷达和高光谱影像的森林LAI自动提取研究

叶面积指数(LAI)是定量描述地球生态系统物质和能量交换的重要参数。激光雷达(LiDAR)发射的激光脉冲能部分地穿透植被冠层到达地面，可直接测量冠层三维结构和林下地形，因而比传统光学传感器在探测生态系统结构和功能上更具优势。本项目选择典型林区获取机载多回波LiDAR数据和高光谱影像，利用激光点云在冠层中的三维空间分布，重建具有不规则冠层形状、叶片非均匀填充的真实冠层，以此建立基于冠层垂直分层、冠层体积和冠层激光穿透率的单木LAI估算模型；综合光谱特征和冠层三维信息进行高精度植被分类，最终实现大面积森林LAI的自动估算。本项目将重点开展单木激光点云的自动分离、层高优化设置、冠层内部激光遮挡效应、基于高光谱影像和LiDAR的植被分类等研究，并进行模型验证和敏感性分析。研究结果可为LiDAR数据和高光谱影像自动提取森林LAI提供算法基础，进而推动LiDAR在碳循环尤其是森林碳汇估算中的应用。

叶面积指数（LAI）是分析冠层结构最常用的参数之一，它控制着植被的生物物理过程，如光合、呼吸、蒸腾、碳循环和降水截获等，因此快速、可靠和客观地估算LAI具有重要意义。激光雷达（LiDAR）是一种主动遥感技术，其发射的激光脉冲能穿透植被冠层到达地面，可以直接测量植被的三维结构参数，并提高植被参数的估算精度。围绕本项目的研究内容和研究目标，课题组主要开展了以下几个方面的研究： .1）点云滤波算法及森林地区的激光点云滤波分类方法研究；.2）单木激光点云数据的自动分割；.3）冠层体积和冠层激光穿透率计算；.4）基于冠层体积和穿透率的LAI估算建模；.5）LAI估算模型评价及大面积森林地区制图应用。.通过上述研究取得了以下重要结果：.1）改进了两种滤波算法，并分别实现了研究区激光点云数据的精确滤波；.2）提出了新的树冠激光点云自动检测方法，实现了LiDAR单木自动分割，该方法比传统的局部极值方法精度更高；.3）开发了基于冠层体积和穿透率的LAI估算模型并进行了大区域LAI制图。.4）探索了LiDAR数据植被LAI估算精度的影响因素；.5）基于机载波形激光雷达实现了LAI的高精度估算；.6）融合LiDAR与高光谱数据提高植被分类精度；.7）实现了LiDAR数据与高光谱数据LAI的自动提取方法；.8）开发了机载激光雷达数据处理及应用软件一套。.课题组在研究中获取和反演的关键数据包括：.1）研究区机载激光点云数据；.2）滤波分类后的点云数据；.3）融合激光和高光谱数据的土地利用分类数据；.4）基于机载LIDAR和高光谱数据的LAI专题图。.本课题取得的这些成果，包括滤波算法、树冠检测、植被分类等，是对原有反演算法的创新和改进，有助于提高森林植被参数的反演精度，可为植被生长监测、生产力估算、生态及碳循环研究提供可靠的基础研究数据。